Minería aluvial y cambio de suelo: evaluación satelital, factores impulsores y proyección en la Cuenca Rio Santa Rosa (1990-2045)

Cynthya Ayde Espinoza Espinosa; Brigitte Lisseth Giron Pucha; Jaime Enriuque Maza Maza

doi:10.63636/rciid.v5i2.81

Autores/as

Cynthya Ayde Espinoza Espinosa Universidad Técnica de Machala https://orcid.org/0009-0009-7455-2573
Brigitte Lisseth Giron Pucha Universidad Técnica de Machala https://orcid.org/0000-0002-2424-9295
Jaime Enriuque Maza Maza Universidad Técnica de Machala https://orcid.org/0000-0002-4845-5165

DOI:

https://doi.org/10.63636/rciid.v5i2.81

Palabras clave:

proyección, clasificación de coberturas, minería aluvial, modelación, TerrSet

Resumen

La minería aluvial a lo largo del tiempo se ha consolidado como uno de los principales componentes de transformación del paisaje y perdida de cubierta forestal de la cuenca Rio Santa Rosa. La investigación se basa en examinar la dinámica espacio-temporal de la cobertura y uso de suelo asociadas con la minería aluvial permitiendo predecir su comportamiento a futuro (1990-2045) a través del uso de herramientas de Teledetección y Sistemas de Información Geográfica (SIG). Se implementaron imagines satelitales Landsat, permitiendo generar mapas clasificados de cobertura y uso de suelo, continuando con una evaluación de transiciones de cobertura y el impacto que ejercen las variables ambientales y antrópicas dentro de un análisis de correlación de Spearman y modelos de regresión logística. Finalmente, se generó un modelo prospectivo de expansión de minería aluvial para el año 2045 empleando cadenas de Markov y autónomas celulares. Los resultados revelaron que la minería aluvial presenta una tendencia sostenida de expansión espacial, concentrándose principalmente en las zonas ribereñas y reemplazando áreas de bosque, suelos agrícolas y terrenos sin cobertura vegetal, así mismo, confirmó que la expansión de la minería aluvial está condicionada por factores biofísicos y de accesibilidad, entre ellos la proximidad a los cauces, la pendiente, la altitud, la red vial. Estos hallazgos comprueban el rendimiento de la modelación espacial como herramienta para respaldar estrategias de ordenamiento territorial y la planificación hacia un desarrollo sostenible de la cuenca.

Citas

Agencia de Regulación y Control de Energía y Recursos Naturales No Renovables (ARCOM). (2023). Informes sobre control de minería y actividades mineras en Ecuador.

Aguilar Salas, L. J., & Romero Crespo, P. L. (2025). Evaluación de la vulnerabilidad a la contaminación de las aguas subterráneas en la cuenca del río Santa Rosa, Ecuador [Thesis, ESPOL.FICT]. http://www.dspace.espol.edu.ec/handle/123456789/68003

Alban, G. P. G., Arguello, A. E. V., & Molina, N. E. C. (2020). Metodologías de investigación educativa (descriptivas, experimentales, participativas, y de investigación-acción). RECIMUNDO, 4(3), 163–173. https://doi.org/10.26820/recimundo/4.(3).julio.2020.163-173

Angamarca Angamarca, D. J., & Valarezo Segarra, L. A. (2020). Determinación de la contaminación del recurso hídrico provocado por la actividad minera en la cuenca alta del Río Santa Rosa, provincia de El Oro [bachelorThesis]. http://dspace.ups.edu.ec/handle/123456789/19334

Asner, G. P., Llactayo, W., Tupayachi, R., & Luna, E. R. (2013). Elevated rates of gold mining in the Amazon revealed through high-resolution monitoring. Proceedings of the National Academy of Sciences, 110(46), 18454–18459. https://doi.org/10.1073/pnas.1318271110

Atwood, A., Ramesh, S., Amaya, J. A., Cadillo-Quiroz, H., Coayla, D., Chen, C.-M., & West, A. J. (2025). Landscape controls on water availability limit revegetation after artisanal gold mining in the Peruvian Amazon. Communications Earth & Environment, 6(1), 419. https://doi.org/10.1038/s43247-025-02332-y

Bairwa, B., Sharma, R., Kundu, A., Sammen, S. S., Alshehri, F., Pande, C. B., Orban, Z., & Salem, A. (2025). Predicting changes in land use and land cover using remote sensing and land change modeler. Frontiers in Environmental Science, 13. https://doi.org/10.3389/fenvs.2025.1540140

Bardgett, R. D., & Van Der Putten, W. H. (2014). Belowground biodiversity and ecosystem functioning. Nature, 515(7528), 505–511. https://doi.org/10.1038/nature13855

Baynard, C. W., Ellis, J. M., & Davis, H. (2013). Roads, petroleum and accessibility: The case of eastern Ecuador. GeoJournal, 78(4), 675–695. https://doi.org/10.1007/s10708-012-9459-5

Breiman, L. (2001). Random Forests. Machine Learning, 45(1), 5–32. https://doi.org/10.1023/A:1010933404324

Caballero Espejo, J., Messinger, M., Román-Dañobeytia, F., Ascorra, C., Fernandez, L. E., & Silman, M. (2018). Deforestation and Forest Degradation Due to Gold Mining in the Peruvian Amazon: A 34-Year Perspective. Remote Sensing, 10(12), 1903. https://doi.org/10.3390/rs10121903

Castellanos-Quiroz, H. O. A., Ramírez-Daza, H. M., & Ivanova, Y. (2017). Detection of open-pit mining zones by implementing spectral indices and image fusion techniques. Dyna, 84(201), 42–49. https://www.redalyc.org/articulo.oa?id=49650911005

Concha Egas, G., & Proaño Cadena, G. N. (2009). Caracterización y evaluación de la cuenca alta del río santa rosa. http://www.dspace.espol.edu.ec/handle/123456789/118

Cooke, J. A., & Johnson, M. S. (2002). Ecological restoration of land with particular reference to the mining of metals and industrial minerals: A review of theory and practice. Environmental Reviews, 10(1), 41–71. https://doi.org/10.1139/a01-014

Delgado-Baquerizo, M., Eldridge, D. J., Liu, Y.-R., Liu, Z.-W., Coleine, C., & Trivedi, P. (2025). Soil biodiversity and function under global change. PLOS Biology, 23(3), e3003093. https://doi.org/10.1371/journal.pbio.3003093

Dethier, E. N., Silman, M., Leiva, J. D., Alqahtani, S., Fernandez, L. E., Pauca, P., Çamalan, S., Tomhave, P., Magilligan, F. J., Renshaw, C. E., & Lutz, D. A. (2023). A global rise in alluvial mining increases sediment load in tropical rivers. Nature, 620(7975), 787–793. https://doi.org/10.1038/s41586-023-06309-9

Dormann, C. F., Elith, J., Bacher, S., Buchmann, C., Carl, G., Carré, G., Marquéz, J. R. G., Gruber, B., Lafourcade, B., Leitão, P. J., Münkemüller, T., McClean, C., Osborne, P. E., Reineking, B., Schröder, B., Skidmore, A. K., Zurell, D., & Lautenbach, S. (2013). Collinearity: A review of methods to deal with it and a simulation study evaluating their performance. Ecography, 36(1), 27–46. https://doi.org/10.1111/j.1600-0587.2012.07348.x

Elith, J., & Leathwick, J. R. (2009). Species Distribution Models: Ecological Explanation and Prediction Across Space and Time. Annual Review of Ecology, Evolution, and Systematics, 40(Volume 40, 2009), 677–697. https://doi.org/10.1146/annurev.ecolsys.110308.120159

Espín, N. del T., Gomariz-Castillo, F., Cánovas-García, F., & Alonso-Sarría, F. (2015). Boletín de la Asociación Española de Geografía. Boletín de la Asociación de Geógrafos Españoles. (2000-). https://doi.org/10.21138/bage.1828

Foley, J. A., DeFries, R., Asner, G. P., Barford, C., Bonan, G., Carpenter, S. R., Chapin, F. S., Coe, M. T., Daily, G. C., Gibbs, H. K., Helkowski, J. H., Holloway, T., Howard, E. A., Kucharik, C. J., Monfreda, C., Patz, J. A., Prentice, I. C., Ramankutty, N., & Snyder, P. K. (2005). Global Consequences of Land Use. Science, 309(5734), 570–574. https://doi.org/10.1126/science.1111772

Gallant, J. C., & Dowling, T. I. (2003). A multiresolution index of valley bottom flatness for mapping depositional areas. Water Resources Research, 39, 1347. https://doi.org/10.1029/2002WR001426

Gallice, G. R., Larrea-Gallegos, G., & Vázquez-Rowe, I. (2019). The threat of road expansion in the Peruvian Amazon. Oryx, 53(2), 284–292. https://doi.org/10.1017/S0030605317000412

Google Developers. (2026a). ALOS DSM: Global 30m v4.1 | Earth Engine Data Catalog [Google for Developers]. Google for Developers. https://developers.google.com/earth-engine/datasets/catalog/JAXA_ALOS_AW3D30_V4_1?hl=es-419

Google Developers. (2026b). Colecciones de Landsat en Earth Engine | Earth Engine Data Catalog [Google]. Google for Developers. https://developers.google.com/earth-engine/datasets/catalog/landsat?hl=es-419

Google Developers. (2026c). USGS Landsat 5 Level 2, Collection 2, Tier 1 | Earth Engine Data Catalog. Google for Developers. https://developers.google.com/earth-engine/datasets/catalog/LANDSAT_LT05_C02_T1_L2?hl=es-419

Gorelick, N., Hancher, M., Dixon, M., Ilyushchenko, S., Thau, D., & Moore, R. (2017). Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Environment, Big Remotely Sensed Data: tools, applications and experiences, 202, 18–27. https://doi.org/10.1016/j.rse.2017.06.031

Instituto Geográfico Militar. (2026). Cartografía de Libre Acceso – Geoportal Ecuador [Geoportal IGM Ecuador]. https://www.geoportaligm.gob.ec/portal/index.php/descargas/cartografia-de-libre-acceso/

Jafarpour Ghalehteimouri, K., Shamsoddini, A., Mousavi, M. N., Binti Che Ros, F., & Khedmatzadeh, A. (2022). Predicting spatial and decadal of land use and land cover change using integrated cellular automata Markov chain model based scenarios (2019–2049) Zarriné-Rūd River Basin in Iran. Environmental Challenges, 6, 100399. https://doi.org/10.1016/j.envc.2021.100399

Larrea-Gallegos, G., Kahhat, R., Vázquez-Rowe, I., & Parodi, E. (2023). A machine learning approach to understand how accessibility influences alluvial gold mining expansion in the Peruvian Amazon. Case Studies in Chemical and Environmental Engineering, 7, 100353. https://doi.org/10.1016/j.cscee.2023.100353

Martínez-López, S., Martínez-Sánchez, M. J., & Pérez-Sirvent, C. (2021). Do Old Mining Areas Represent an Environmental Problem and Health Risk? A Critical Discussion through a Particular Case. Minerals, 11(6), 594. https://doi.org/10.3390/min11060594

Memarian, H., Balasundram, S. K., Talib, J. B., Sung, C. T. B., Sood, A. M., & Abbaspour, K. (2012). Validation of CA-Markov for Simulation of Land Use and Cover Change in the Langat Basin, Malaysia. Journal of Geographic Information System, 4(6), 542–554. https://doi.org/10.4236/jgis.2012.46059

Mestanza-Ramón, C., Cuenca-Cumbicus, J., D’Orio, G., Flores-Toala, J., Segovia-Cáceres, S., Bonilla-Bonilla, A., & Straface, S. (2022). Gold Mining in the Amazon Region of Ecuador: History and a Review of Its Socio-Environmental Impacts. Land, 11(2), 221. https://doi.org/10.3390/land11020221

Mestanza-Ramón, C., Jiménez-Oyola, S., Cedeño-Laje, J., Villamar Marazita, K., Gavilanes Montoya, A. V., Castillo Vizuete, D. D., Mora-Silva, D., Carrera Almendáriz, L. S., Logroño-Naranjo, S., Mazón-Fierro, G., Herrera-Chávez, R., D’Orio, G., & Straface, S. (2024). Risks to Human Health from Mercury in Gold Mining in the Coastal Region of Ecuador. Toxics, 12(5), 323. https://doi.org/10.3390/toxics12050323

Midi, H., Sarkar, S. K., & Rana, S. (2010). Collinearity diagnostics of binary logistic regression model. Journal of Interdisciplinary Mathematics, 13(3), 253–267. https://doi.org/10.1080/09720502.2010.10700699

Ministerio del Ambiente, Agua y Transición Ecológica (MAATE). (2023). Monitoreo y gestión de la calidad del agua en cuencas hidrográficas del Ecuador.

Monroy, D. M., & Armenteras, D. (2017). Cambio de cobertura del suelo por minería aluvial en el río Nechí, Antioquia (Colombia). Gestión y Ambiente, 20(1), 50–61. https://doi.org/10.15446/ga.v20n1.61513

O’brien, R. M. (2007). A Caution Regarding Rules of Thumb for Variance Inflation Factors. Quality & Quantity, 41(5), 673–690. https://doi.org/10.1007/s11135-006-9018-6

Picón, P. E. C. (2025). El camino de la investigación: Enfoques cuantitativos, cualitativos y mixtos en el método científico. Estudios sobre las Culturas Contemporáneas, 2(4), 195–199. https://www.redalyc.org/journal/316/31682984010/html/

Sacco, M. C. R., Ordoñez, F. A. V., & Maza, J. E. M. (2026). Dinámica espaciotemporal, impulsores de cambio y prospectiva de la cobertura forestal en la cuenca hidrográfica Puyango (1990–2045). Novasinergia, ISSN 2631-2654, 9(2), 78–95. https://doi.org/10.37135/ns.01.18.05

Sonter, L. J., Ali, S. H., & Watson, J. E. M. (2018). Mining and biodiversity: Key issues and research needs in conservation science. Proceedings of the Royal Society B: Biological Sciences, 285(1892), 20181926. https://doi.org/10.1098/rspb.2018.1926

Sonter, L. J., Herrera, D., Barrett, D. J., Galford, G. L., Moran, C. J., & Soares-Filho, B. S. (2017). Mining drives extensive deforestation in the Brazilian Amazon. Nature Communications, 8(1), 1013. https://doi.org/10.1038/s41467-017-00557-w

Swenson, J. J., Carter, C. E., Domec, J.-C., & Delgado, C. I. (2011). Gold Mining in the Peruvian Amazon: Global Prices, Deforestation, and Mercury Imports. PLOS ONE, 6(4), e18875. https://doi.org/10.1371/journal.pone.0018875

Tsiafouli, M. A., Thébault, E., Sgardelis, S. P., de Ruiter, P. C., van der Putten, W. H., Birkhofer, K., Hemerik, L., de Vries, F. T., Bardgett, R. D., Brady, M. V., Bjornlund, L., Jørgensen, H. B., Christensen, S., Hertefeldt, T. D., Hotes, S., Gera Hol, W. h., Frouz, J., Liiri, M., Mortimer, S. R., … Hedlund, K. (2015). Intensive agriculture reduces soil biodiversity across Europe. Global Change Biology, 21(2), 973–985. https://doi.org/10.1111/gcb.12752

United States Agency for International Development - USAID. (2020). USAID Case Study: Artisanal and Small-Scale Mining in Peru | Land Portal. https://landportal.org/library/resources/usaid-case-study-artisanal-and-small-scale-mining-peru

Velásquez Ramírez, M. G., del Castillo Torres, D., Guerrero Barrantes, J. A., Vásquez Bardales, J., Thomas, E., Cusi Auca, E., Chinen Gushiken, M., Muñoz Diaz, B., Russo, R., & Corvera Gomringer, R. (2021). Soil recovery of alluvial gold mine spoils in the Peruvian Amazon using Stylosanthes guianensis, a promising cover crop. Land Degradation & Development, 32(18), 5143–5153. https://doi.org/10.1002/ldr.4118

Wall, D. H., Nielsen, U. N., & Six, J. (2015). Soil biodiversity and human health. Nature, 528(7580), 69–76. https://doi.org/10.1038/nature15744

Werner, T. T., Bebbington, A., & Gregory, G. (2019). Assessing impacts of mining: Recent contributions from GIS and remote sensing. The Extractive Industries and Society, 6(3), 993–1012. https://www.sciencedirect.com/science/article/pii/S2214790X19300516